آموزش R Programming for Statistics and Data Science 2023

R Programming for Statistics and Data Science 2023

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: برنامه نویسی R برای علم داده و تجزیه و تحلیل داده ها. استفاده از R برای آمار و تجسم داده با GGplot2 در R اصول برنامه نویسی را در R بیاموزید با عبارات شرطی، توابع و حلقه های R کار کنید توابع خود را در R بسازید داده های خود را وارد و خارج کنید R ابزارهای اصلی برای علم داده را با R دستکاری داده ها با اکوسیستم بسته های Tidyverse به طور سیستماتیک داده ها را در R کاوش کنید گرامر گرافیک و بسته ggplot2 تجسم داده ها: انواع مختلف داده ها را ترسیم کنید و بینش ها را ترسیم کنید تبدیل داده ها: بهترین روش ها برای زمان و چگونگی فهرست، برش و زیر مجموعه داده ها را بیاموزید مبانی آمار و استفاده از آنها در عمل تست فرضیه در R درک و انجام تجزیه و تحلیل رگرسیون در R کار با متغیرهای ساختگی یاد بگیرید تصمیم بگیرید که توسط داده ها پشتیبانی می شود! با جدا کردن داده‌های جنگ ستارگان و پوکمون‌ها و همچنین مجموعه‌های داده‌ای جدی‌تر، از آن لذت ببرید. ما در یکی از اولین سخنرانی های دوره به شما نشان خواهیم داد که چگونه این کار را انجام دهید همه نرم افزارها و داده های استفاده شده در دوره رایگان هستند.

R Programming for Statistics and Data Science 2023

برنامه نویسی R مهارتی است که اگر می خواهید به عنوان تحلیلگر داده یا دانشمند داده در صنعت مورد نظر خود کار کنید، به آن نیاز دارید. و چرا این کار را نمی کنید؟ دانشمند داده داغ ترین حرفه در ایالات متحده است.

اما برای انجام این کار، به ابزارها و مجموعه مهارتی برای مدیریت داده ها نیاز دارید. R یکی از بهترین زبان هایی است که شما را به جایی که می خواهید می رساند. آن را با دانش آماری ترکیب کنید، و به خوبی در راه رسیدن به عنوان رویایی خود خواهید بود.

این دوره همه اینها و موارد دیگر را در یک بسته آسان جمع آوری می کند و شروعی عالی برای سفر شماست.

بنابراین، به R برای آمار و علم داده خوش آمدید!

R برای آمار و علوم داده دوره ای است که شما را از یک مبتدی در برنامه نویسی با R به حرفه ای می رساند که می تواند دستکاری داده ها را در صورت نیاز کامل کند. این مجموعه مهارت کاملی را به شما می دهد تا با اعتماد به نفس با یک پروژه جدید علم داده مقابله کنید و بتوانید کار خود و دیگران را به طور انتقادی ارزیابی کنید.

گذاشتن پایه های محکم

این دوره زمان را تلف نمی‌کند و مستقیماً به کدنویسی عملی در R می‌پردازد. اما اگر قبلاً هرگز کدنویسی نکرده‌اید نگران نباشید، ما از سبک شروع می‌کنیم و همه اصول اولیه را در ادامه به شما آموزش می‌دهیم! ما می‌خواستیم این تجربه‌ای به همان اندازه رضایت‌بخش هم برای مبتدیان کامل و هم برای آن‌هایی از شما باشد که می‌خواهند یک تازه‌سازی در R

داشته باشند.

چه چیزی این دوره را از سایر دوره ها متمایز می کند؟

  • یادگیری با سرعت خوب.

آموزش کلاس بالا را با محتوایی که ما ساخته ایم - و به شدت ویرایش کرده ایم - برای ارائه نتایج قدرتمند و کارآمد دریافت کنید.

اگرچه سرعت‌های یادگیری ترجیحی از دانش‌آموزی به دانش‌آموز دیگر متفاوت است، ما معتقدیم که به چالش کشیدن به میزان مناسب، پایه‌ای از یادگیری است.

  • راهنمای مقدماتی آمار.

ما شما را با آمار توصیفی و اصول آمار استنباطی آشنا خواهیم کرد.

ما این کار را به صورت گام به گام انجام خواهیم داد و دانش نظری و مهارت های عملی شما را به تدریج افزایش می دهیم.

شما بر فواصل اطمینان و آزمون فرضیه ها و همچنین تحلیل رگرسیون و خوشه ای تسلط خواهید داشت.

  • ملزومات برنامه نویسی – مبتنی بر R.

خود را به جای یک برنامه نویس قرار دهید، از میانگین دانشمند داده بالاتر بروید و بهره وری عملیات خود را افزایش دهید.

  • تکنیک های دستکاری و تجزیه و تحلیل داده ها با جزئیات.

کار با بردارها، ماتریس ها، قاب های داده و لیست ها را بیاموزید.

در «بسته Tidyverse» ماهر شوید - جامع‌ترین مجموعه ابزارهای R برای دستکاری داده‌ها - به شما امکان می‌دهد داده‌ها را فهرست‌بندی و زیرمجموعه‌ها و همچنین spread()، collect()، order()، subset()، فیلتر کنید. ()، ترتیب () و mutate() آن.

تجسم ها و نمودارهای داده های سنگین را ایجاد کنید.

  • تمرین باعث عالی می شود.

آموزش خود را از طریق تمرین‌های عملی متعدد، که با عشق، برای شما، توسط ما ساخته شده‌اند، تقویت کنید.

تکالیف، پروژه ها، تمرین ها چطور؟

انبوهی از تکالیف وجود دارد که شما را به انواع مختلف به چالش می کشد. شما این شانس را خواهید داشت که پروژه ها را خودتان انجام دهید یا اگر گیر کردید، به یک آموزش ویدیویی دسترسی پیدا کنید.

شما: آیا چیزی برای نشان دادن مهارت هایی که به دست خواهم آورد وجود دارد؟

ما: در واقع، یک گواهی قابل تأیید وجود دارد.

یک گواهی تکمیل قابل تأیید با نام خود را دریافت خواهید کرد. می‌توانید گواهی را دانلود کنید و آن را به CV خود پیوست کنید و حتی آن را در نمایه LinkedIn خود ارسال کنید تا به کارفرمایان بالقوه نشان دهید که تجربه انجام تجزیه و تحلیل دستکاری داده‌ها در R را دارید.

اگر به نظر شما خوب است، به کلاس درس خوش آمدید :)


سرفصل ها و درس ها

معرفی Introduction

  • ده چیزی که در این دوره خواهید آموخت Ten Things You Will Learn in This Course

معرفی Introduction

  • ده چیزی که در این دوره خواهید آموخت Ten Things You Will Learn in This Course

شروع شدن Getting started

  • مقدمه Intro

  • دانلود و نصب R & RStudio Downloading and installing R & RStudio

  • راهنمای سریع رابط کاربری RStudio Quick guide to the RStudio user interface

  • رابط کاربری گرافیکی RStudio RStudio's GUI

  • تغییر ظاهر در RStudio Changing the appearance in RStudio

  • نصب بسته ها در R و استفاده از کتابخانه Installing packages in R and using the library

شروع شدن Getting started

  • مقدمه Intro

  • دانلود و نصب R & RStudio Downloading and installing R & RStudio

  • راهنمای سریع رابط کاربری RStudio Quick guide to the RStudio user interface

  • رابط کاربری گرافیکی RStudio RStudio's GUI

  • تغییر ظاهر در RStudio Changing the appearance in RStudio

  • نصب بسته ها در R و استفاده از کتابخانه Installing packages in R and using the library

بلوک های ساختمانی R The building blocks of R

  • ایجاد یک شی در R Creating an object in R

  • تمرین 1 ایجاد یک شی در R Exercise 1 Creating an object in R

  • انواع داده در R - اعداد صحیح و دو برابری Data types in R - Integers and doubles

  • انواع داده ها در R - کاراکترها و منطقی Data types in R - Characters and logicals

  • اشیاء و انواع داده ها Objects and Data Types

  • تمرین 2 انواع داده در R Exercise 2 Data types in R

  • قواعد اجبار در ر Coercion rules in R

  • تمرین 3 قواعد اجبار در ر Exercise 3 Coercion rules in R

  • توابع در R Functions in R

  • تمرین 4 استفاده از توابع در R Exercise 4 Using functions in R

  • توابع و آرگومان ها Functions and arguments

  • تمرین 5 آرگومان های یک تابع Exercise 5 The arguments of a function

  • ساخت تابع در R (مبانی) Building a function in R (basics)

  • اشیاء و توابع Objects and Functions

  • تمرین 6 ساخت تابع در R Exercise 6 Building a function in R

  • استفاده از اسکریپت در مقابل استفاده از کنسول Using the script vs. using the console

بلوک های ساختمانی R The building blocks of R

  • ایجاد یک شی در R Creating an object in R

  • تمرین 1 ایجاد یک شی در R Exercise 1 Creating an object in R

  • انواع داده در R - اعداد صحیح و دو برابری Data types in R - Integers and doubles

  • انواع داده ها در R - کاراکترها و منطقی Data types in R - Characters and logicals

  • اشیاء و انواع داده ها Objects and Data Types

  • تمرین 2 انواع داده در R Exercise 2 Data types in R

  • قواعد اجبار در ر Coercion rules in R

  • تمرین 3 قواعد اجبار در ر Exercise 3 Coercion rules in R

  • توابع در R Functions in R

  • تمرین 4 استفاده از توابع در R Exercise 4 Using functions in R

  • توابع و آرگومان ها Functions and arguments

  • تمرین 5 آرگومان های یک تابع Exercise 5 The arguments of a function

  • ساخت تابع در R (مبانی) Building a function in R (basics)

  • اشیاء و توابع Objects and Functions

  • تمرین 6 ساخت تابع در R Exercise 6 Building a function in R

  • استفاده از اسکریپت در مقابل استفاده از کنسول Using the script vs. using the console

بردارها و عملیات بردار Vectors and vector operations

  • مقدمه Intro

  • مقدمه ای بر وکتورها Introduction to vectors

  • بازیافت برداری Vector recycling

  • تمرین 7 بازیافت برداری Exercise 7 Vector recycling

  • نامگذاری بردار در R Naming a vector in R

  • تمرین 8 ویژگی های برداری - نام ها Exercise 8 Vector attributes - names

  • مقدمه ای بر وکتورها Introduction to vectors

  • کمک گرفتن از R Getting help with R

  • دریافت کمک با R Getting Help with R

  • برش و نمایه سازی یک بردار در R Slicing and indexing a vector in R

  • استخراج عناصر از یک بردار Extracting elements from a vector

  • تمرین 9 نمایه سازی و برش بردار Exercise 9 Indexing and slicing a vector

  • تغییر ابعاد یک شی در R Changing the dimensions of an object in R

  • تمرین 10 ویژگی های برداری - ابعاد Exercise 10 Vector attributes - dimensions

بردارها و عملیات بردار Vectors and vector operations

  • مقدمه Intro

  • مقدمه ای بر وکتورها Introduction to vectors

  • بازیافت برداری Vector recycling

  • تمرین 7 بازیافت برداری Exercise 7 Vector recycling

  • نامگذاری بردار در R Naming a vector in R

  • تمرین 8 ویژگی های برداری - نام ها Exercise 8 Vector attributes - names

  • مقدمه ای بر وکتورها Introduction to vectors

  • کمک گرفتن از R Getting help with R

  • دریافت کمک با R Getting Help with R

  • برش و نمایه سازی یک بردار در R Slicing and indexing a vector in R

  • استخراج عناصر از یک بردار Extracting elements from a vector

  • تمرین 9 نمایه سازی و برش بردار Exercise 9 Indexing and slicing a vector

  • تغییر ابعاد یک شی در R Changing the dimensions of an object in R

  • تمرین 10 ویژگی های برداری - ابعاد Exercise 10 Vector attributes - dimensions

ماتریس ها Matrices

  • ایجاد ماتریس در R Creating a matrix in R

  • کد سریعتر: ایجاد یک ماتریس در یک خط کد Faster code: creating a matrix in a single line of code

  • ایجاد یک ماتریس Creating a matrix

  • تمرین 11 ایجاد یک ماتریس در R Exercise 11 Creating a matrix in R

  • آیا ماتریس ها بازیافت می کنند؟ Do matrices recycle?

  • نمایه سازی یک عنصر از یک ماتریس Indexing an element from a matrix

  • برش یک ماتریس در R Slicing a matrix in R

  • تمرین 12 نمایه سازی و برش یک ماتریس Exercise 12 Indexing and slicing a matrix

  • محاسبات ماتریسی Matrix arithmetic

  • تمرین 13 محاسبات ماتریس Exercise 13 Matrix arithmetic

  • عملیات ماتریسی در R Matrix operations in R

  • عملیات ماتریسی Matrix operations

  • تمرین 14 عملیات ماتریس Exercise 14 Matrix operations

  • داده های طبقه بندی شده Categorical data

  • ایجاد فاکتور در R Creating a factor in R

  • عوامل در R Factors in R

  • تمرین 15 ایجاد عامل در R Exercise 15 Creating a factor in R

  • لیست ها در R Lists in R

  • تمرین: لیست ها در R Exercise: Lists in R

  • 33 درصد دوره را گذرانده است Completed 33% of the course

ماتریس ها Matrices

  • ایجاد ماتریس در R Creating a matrix in R

  • کد سریعتر: ایجاد یک ماتریس در یک خط کد Faster code: creating a matrix in a single line of code

  • ایجاد یک ماتریس Creating a matrix

  • تمرین 11 ایجاد یک ماتریس در R Exercise 11 Creating a matrix in R

  • آیا ماتریس ها بازیافت می کنند؟ Do matrices recycle?

  • نمایه سازی یک عنصر از یک ماتریس Indexing an element from a matrix

  • برش یک ماتریس در R Slicing a matrix in R

  • تمرین 12 نمایه سازی و برش یک ماتریس Exercise 12 Indexing and slicing a matrix

  • محاسبات ماتریسی Matrix arithmetic

  • تمرین 13 محاسبات ماتریس Exercise 13 Matrix arithmetic

  • عملیات ماتریسی در R Matrix operations in R

  • عملیات ماتریسی Matrix operations

  • تمرین 14 عملیات ماتریس Exercise 14 Matrix operations

  • داده های طبقه بندی شده Categorical data

  • ایجاد فاکتور در R Creating a factor in R

  • عوامل در R Factors in R

  • تمرین 15 ایجاد عامل در R Exercise 15 Creating a factor in R

  • لیست ها در R Lists in R

  • تمرین: لیست ها در R Exercise: Lists in R

  • 33 درصد دوره را گذرانده است Completed 33% of the course

مبانی برنامه نویسی با R Fundamentals of programming with R

  • عملگرهای رابطه ای در R Relational operators in R

  • عملگرهای منطقی در R Logical operators in R

  • بردارها و عملگرهای منطقی Vectors and logicals operators

  • عملگرهای رابطه ای و منطقی در R Relational and Logical operators in R

  • عملگرهای منطقی را تمرین کنید Exercise Logical operators

  • اگر، در غیر این صورت، اظهارات اگر در R If, else, else if statements in R

  • عبارات If, else, else if را در R تمرین کنید Exercise If, else, else if statements in R

  • اگر، در غیر این صورت، اظهارات دیگری اگر - در ذهن داشته باشید If, else, else if statements - Keep-In-Mind's

  • برای حلقه ها در R For loops in R

  • تمرین: برای حلقه ها در R Exercise: For Loops in R

  • در حالی که حلقه ها در R While loops in R

  • تمرین: حلقه های while در R Exercise: While loops in R

  • حلقه ها را در R تکرار کنید Repeat loops in R

  • حلقه ها در R Loops in R

  • ساخت یک تابع در R 2.0 Building a function in R 2.0

  • ساخت یک تابع در R 2.0 - Scoping Building a function in R 2.0 - Scoping

  • محدوده تمرین Exercise Scoping

  • 50 درصد دوره را گذرانده است Completed 50% of the course

مبانی برنامه نویسی با R Fundamentals of programming with R

  • عملگرهای رابطه ای در R Relational operators in R

  • عملگرهای منطقی در R Logical operators in R

  • بردارها و عملگرهای منطقی Vectors and logicals operators

  • عملگرهای رابطه ای و منطقی در R Relational and Logical operators in R

  • عملگرهای منطقی را تمرین کنید Exercise Logical operators

  • اگر، در غیر این صورت، اظهارات اگر در R If, else, else if statements in R

  • عبارات If, else, else if را در R تمرین کنید Exercise If, else, else if statements in R

  • اگر، در غیر این صورت، اظهارات دیگری اگر - در ذهن داشته باشید If, else, else if statements - Keep-In-Mind's

  • برای حلقه ها در R For loops in R

  • تمرین: برای حلقه ها در R Exercise: For Loops in R

  • در حالی که حلقه ها در R While loops in R

  • تمرین: حلقه های while در R Exercise: While loops in R

  • حلقه ها را در R تکرار کنید Repeat loops in R

  • حلقه ها در R Loops in R

  • ساخت یک تابع در R 2.0 Building a function in R 2.0

  • ساخت یک تابع در R 2.0 - Scoping Building a function in R 2.0 - Scoping

  • محدوده تمرین Exercise Scoping

  • 50 درصد دوره را گذرانده است Completed 50% of the course

فریم های داده Data frames

  • مقدمه Intro

  • ایجاد یک دیتا فریم در R Creating a data frame in R

  • تمرین 16 ایجاد یک قاب داده در R Exercise 16 Creating a data frame in R

  • پکیج Tidyverse The Tidyverse package

  • واردات داده در R Data import in R

  • وارد کردن CSV در R Importing a CSV in R

  • صادرات داده در R Data export in R

  • تمرین 17 واردات و صادرات داده در R Exercise 17 Importing and exporting data in R

  • ایجاد فریم های داده Creating data frames

  • درک چارچوب داده های خود Getting a sense of your data frame

  • نمایه سازی و برش یک قاب داده در R Indexing and slicing a data frame in R

  • عملیات چارچوب داده Data frame operations

  • گسترش یک قاب داده در R Extending a data frame in R

  • تمرین 18 عملیات چارچوب داده Exercise 18 Data frame operations

  • مقابله با داده های از دست رفته در R Dealing with missing data in R

فریم های داده Data frames

  • مقدمه Intro

  • ایجاد یک دیتا فریم در R Creating a data frame in R

  • تمرین 16 ایجاد یک قاب داده در R Exercise 16 Creating a data frame in R

  • پکیج Tidyverse The Tidyverse package

  • واردات داده در R Data import in R

  • وارد کردن CSV در R Importing a CSV in R

  • صادرات داده در R Data export in R

  • تمرین 17 واردات و صادرات داده در R Exercise 17 Importing and exporting data in R

  • ایجاد فریم های داده Creating data frames

  • درک چارچوب داده های خود Getting a sense of your data frame

  • نمایه سازی و برش یک قاب داده در R Indexing and slicing a data frame in R

  • عملیات چارچوب داده Data frame operations

  • گسترش یک قاب داده در R Extending a data frame in R

  • تمرین 18 عملیات چارچوب داده Exercise 18 Data frame operations

  • مقابله با داده های از دست رفته در R Dealing with missing data in R

دستکاری داده ها Manipulating data

  • مقدمه Intro

  • تبدیل داده با R - بسته Dplyr - قسمت اول Data transformation with R - the Dplyr package - Part I

  • تبدیل داده با R - بسته Dplyr - قسمت دوم Data transformation with R - the Dplyr package - Part II

  • نمونه برداری از داده ها با بسته Dplyr Sampling data with the Dplyr package

  • با استفاده از اپراتور لوله در R Using the pipe operator in R

  • دستکاری داده ها Manipulating data

  • تمرین 19 تبدیل داده ها با Dplyr Exercise 19 Data transformation with Dplyr

  • مرتب کردن داده ها در R - collect() و جداگانه() Tidying data in R - gather() and separate()

  • مرتب کردن داده ها در R - unite() و spread() Tidying data in R - unite() and spread()

  • مرتب کردن داده ها Tidying data

  • تمرین 20 مرتب سازی داده ها با Tidyr Exercise 20 Data tidying with Tidyr

دستکاری داده ها Manipulating data

  • مقدمه Intro

  • تبدیل داده با R - بسته Dplyr - قسمت اول Data transformation with R - the Dplyr package - Part I

  • تبدیل داده با R - بسته Dplyr - قسمت دوم Data transformation with R - the Dplyr package - Part II

  • نمونه برداری از داده ها با بسته Dplyr Sampling data with the Dplyr package

  • با استفاده از اپراتور لوله در R Using the pipe operator in R

  • دستکاری داده ها Manipulating data

  • تمرین 19 تبدیل داده ها با Dplyr Exercise 19 Data transformation with Dplyr

  • مرتب کردن داده ها در R - collect() و جداگانه() Tidying data in R - gather() and separate()

  • مرتب کردن داده ها در R - unite() و spread() Tidying data in R - unite() and spread()

  • مرتب کردن داده ها Tidying data

  • تمرین 20 مرتب سازی داده ها با Tidyr Exercise 20 Data tidying with Tidyr

تجسم داده ها Visualizing data

  • مقدمه Intro

  • مقدمه ای بر تجسم داده ها Intro to data visualization

  • معرفی ggplot2 Intro to ggplot2

  • متغیرها: بازبینی شد Variables: revisited

  • ساخت هیستوگرام با ggplot2 Building a histogram with ggplot2

  • تمرین 21 ساخت هیستوگرام با ggplot2 Exercise 21 Building a histogram with ggplot2

  • ساخت نمودار میله ای با ggplot2 Building a bar chart with ggplot2

  • تمرین 22 ساختن نمودار میله ای با ggplot2 Exercise 22 Building a bar chart with ggplot2

  • ساخت طرح جعبه و سبیل با ggplot2 Building a box and whiskers plot with ggplot2

  • تمرین 23 ساختن یک طرح جعبه با ggplot2 Exercise 23 Building a box plot with ggplot2

  • ساخت Scatterplot با ggplot2 Building a scatterplot with ggplot2

  • تمرین 24 ساختن نمودار پراکندگی با ggplot2 Exercise 24 Building a scatterplot with ggplot2

تجسم داده ها Visualizing data

  • مقدمه Intro

  • مقدمه ای بر تجسم داده ها Intro to data visualization

  • معرفی ggplot2 Intro to ggplot2

  • متغیرها: بازبینی شد Variables: revisited

  • ساخت هیستوگرام با ggplot2 Building a histogram with ggplot2

  • تمرین 21 ساخت هیستوگرام با ggplot2 Exercise 21 Building a histogram with ggplot2

  • ساخت نمودار میله ای با ggplot2 Building a bar chart with ggplot2

  • تمرین 22 ساختن نمودار میله ای با ggplot2 Exercise 22 Building a bar chart with ggplot2

  • ساخت طرح جعبه و سبیل با ggplot2 Building a box and whiskers plot with ggplot2

  • تمرین 23 ساختن یک طرح جعبه با ggplot2 Exercise 23 Building a box plot with ggplot2

  • ساخت Scatterplot با ggplot2 Building a scatterplot with ggplot2

  • تمرین 24 ساختن نمودار پراکندگی با ggplot2 Exercise 24 Building a scatterplot with ggplot2

تجزیه و تحلیل داده های اکتشافی Exploratory data analysis

  • جمعیت در مقابل نمونه Population vs. sample

  • میانگین، میانه، حالت Mean, median, mode

  • چولگی Skewness

  • تمرین 25 تعیین چولگی Exercise 25 Determining Skewness

  • واریانس، انحراف معیار و ضریب تغییرپذیری Variance, standard deviation, and coefficient of variability

  • کوواریانس و همبستگی Covariance and correlation

  • تمرین 26 مثال عملی با داده های املاک و مستغلات Exercise 26 Practical example with real estate data

تجزیه و تحلیل داده های اکتشافی Exploratory data analysis

  • جمعیت در مقابل نمونه Population vs. sample

  • میانگین، میانه، حالت Mean, median, mode

  • چولگی Skewness

  • تمرین 25 تعیین چولگی Exercise 25 Determining Skewness

  • واریانس، انحراف معیار و ضریب تغییرپذیری Variance, standard deviation, and coefficient of variability

  • کوواریانس و همبستگی Covariance and correlation

  • تمرین 26 مثال عملی با داده های املاک و مستغلات Exercise 26 Practical example with real estate data

آزمایش فرضیه Hypothesis Testing

  • توزیع ها Distributions

  • خطای استاندارد و فواصل اطمینان Standard Error and Confidence Intervals

  • آزمایش فرضیه Hypothesis testing

  • خطاهای نوع اول و دوم Type I and Type II errors

  • آزمون میانگین - واریانس جمعیت شناخته شده Test for the mean - population variance known

  • تمرین: آزمون میانگین - واریانس جمعیت شناخته شده Exercise: Test for the mean - population variance known

  • مقدار P The P-value

  • آزمون میانگین - واریانس جمعیت ناشناخته Test for the mean - Population variance unknown

  • تمرین: آزمون میانگین - واریانس جمعیت ناشناخته Exercise: Test for the mean - population variance unknown

  • مقایسه دو میانگین - نمونه های وابسته Comparing two means - Dependent samples

  • تمرین: مقایسه دو میانگین - نمونه های وابسته Exercise: Comparing two means - Dependent samples

  • مقایسه دو میانگین - نمونه های مستقل Comparing two means - Independent samples

آزمایش فرضیه Hypothesis Testing

  • توزیع ها Distributions

  • خطای استاندارد و فواصل اطمینان Standard Error and Confidence Intervals

  • آزمایش فرضیه Hypothesis testing

  • خطاهای نوع اول و دوم Type I and Type II errors

  • آزمون میانگین - واریانس جمعیت شناخته شده Test for the mean - population variance known

  • تمرین: آزمون میانگین - واریانس جمعیت شناخته شده Exercise: Test for the mean - population variance known

  • مقدار P The P-value

  • آزمون میانگین - واریانس جمعیت ناشناخته Test for the mean - Population variance unknown

  • تمرین: آزمون میانگین - واریانس جمعیت ناشناخته Exercise: Test for the mean - population variance unknown

  • مقایسه دو میانگین - نمونه های وابسته Comparing two means - Dependent samples

  • تمرین: مقایسه دو میانگین - نمونه های وابسته Exercise: Comparing two means - Dependent samples

  • مقایسه دو میانگین - نمونه های مستقل Comparing two means - Independent samples

تحلیل رگرسیون خطی Linear Regression Analysis

  • مدل رگرسیون خطی The linear regression model

  • همبستگی در مقابل رگرسیون Correlation vs regression

  • نمایش هندسی Geometrical representation

  • اولین رگرسیون در R First regression in R

  • نحوه تفسیر جدول رگرسیون How to interpret the regression table

  • تمرین: انجام رگرسیون در R Exercise: Doing a regression in R

  • تجزیه تنوع: SST، SSR، SSE Decomposition of variability: SST, SSR, SSE

  • R-squared R-squared

  • 100% دوره را گذرانده است Completed 100% of the course

تحلیل رگرسیون خطی Linear Regression Analysis

  • مدل رگرسیون خطی The linear regression model

  • همبستگی در مقابل رگرسیون Correlation vs regression

  • نمایش هندسی Geometrical representation

  • اولین رگرسیون در R First regression in R

  • نحوه تفسیر جدول رگرسیون How to interpret the regression table

  • تمرین: انجام رگرسیون در R Exercise: Doing a regression in R

  • تجزیه تنوع: SST، SSR، SSE Decomposition of variability: SST, SSR, SSE

  • R-squared R-squared

  • 100% دوره را گذرانده است Completed 100% of the course

نمایش نظرات

نظری ارسال نشده است.

آموزش R Programming for Statistics and Data Science 2023
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
6.5 hours
126
Udemy (یودمی) udemy-small
07 بهمن 1399 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
25,818
4.6 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

365 Careers 365 Careers

ایجاد فرصت برای دانشجویان علوم داده و مالی

365 Careers 365 Careers

ایجاد فرصت برای دانشجویان علوم داده و مالی

365 Simona (The 365 Team) 365 Simona (The 365 Team)

مدرس علوم داده

365 Simona (The 365 Team) 365 Simona (The 365 Team)

مدرس علوم داده

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.